有同学想要AI支付宝邀请码吗？需要的话我可以给，但是需要大家把自己的邀请码也一起分享

真正危险的，不是目标大，而是目标混。
不是 “想做大事” 有问题，而是一个项目同时承载了太多彼此不完全兼容的期待。

「置身钉内」看似是一篇项目复盘，而是一篇把 “AI 产品为什么会失焦” 拆到极细处的现场记录。
这篇文章最有价值的地方，不在于讲 ONE 做了什么功能，而在于揭示：一个看起来方向正确的 AI 产品，如何在 “发心混杂、定位摇摆、设计先行、用户验证失真、敏捷异化、组织秩序压倒创造力”的链条中，逐步偏离真实价值。
如果身在大厂，读完的你，是不是也有同感，所谓的“结构性困局”...

喝了 Grid 和依云联名的新品，冰息冷萃维也纳，感觉没有想象中好喝，所以情绪价值在这个产品占比更高，或者我的咖啡品鉴能力还远远不到位

Loopit 提供的更多的是平台，但是真正能让用户留下来的是“好的游戏”，而且要一直能玩，这一点很难

大公司的无力感，总体现在每当有新的协作方加入项目，之前已经达成的方案共识就又变成了非共识

AI 时代，PM 在构建大模型产品时，最重要的工作不再是画交互原型，而是：
1. 定义边界：明确哪些决策应该由算法负责，哪些必须保留给人类（Human-in-the-loop）。人类负责创新、审美和战略约束，AI 负责繁琐的执行与模式识别。
2. 构建评测（Evals）：Evals 就是 AI 时代的 PRD。你必须建立一套系统化的指标，用数据来衡量模型是否真正解决了业务问题，而不是靠 “感觉” 好不好。
3. 面向 “斜率” 而非 “现状” 设计：模型能力每个月都在飞速进化。不要基于今天模型的缺点去过度设计复杂的补救功能（这些补救功能很快会随着模型升级而作废），而应该假设 6-12 个月后模型能力会达标，去设计那个时候的产品形态。

尝试借助 Agent 帮我完成 Lenny's Product Management Skills 的可视化洞察，分析其背后的 Skill-Expert-Company，每个 Skill 的核心能力以及核心观点是啥，背后有哪些产品专家变得一目了然。
用 Kimi 的 Agent 模式通过 12 轮对话(有些轮次只是调整产品交互细节)完成这样的效果，还是很好用的，大家也可以去上手试试。
另外，Karpathy 说的没错，AI 输出的 HTML 的可交互效果的确可能是未来。

最后的一问一答深以为然

elsewhere：你在字节和小红书都工作过，感觉很不一样吗？

阿班：字节像一个巨大的实验场，早期战略是从内容到社区再到社交，然后进行网状的、大规模的试错。在字节的逻辑里，最重要的是快速验证和数据驱动。我在那里学到的是那种极其强悍的产品及增长方法论。

而小红书带给我最强的是对社区理解，和对自我机会的判断。社区是需要灵魂的，这体现在对用户的从理解到引领，而不仅仅是效率本身。过去10年我在小红书中待的最久，是因为我骨子里其实是契合小红书的Taste的，但我也知道字节、快手那套打仗方法论的厉害。

Dreamova 的核心逻辑也是如此：基于对内容/社区价值理解，用最硬的技术和最高效的增长手段，去服务于一群最有审美预设的00后玩家。

听完了，手动点赞。边听边对比思考TT和目前在抖音的工作，对字节的产品文化又有了更进一步的认识